[发明专利]基于室外影像多时空融合的降水强度监测方法及系统

权利要求书

1.一种基于室外影像多时空融合的降水强度监测方法，其特征在于，包括：

S01、通过室外摄像机按照预设时间间隔获取N个不同地点的降雨图片；

S02、按预设时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量，将预设地点在预设时间周期内获得数量大于等于预设值的降雨图像进行归纳整理形成降雨图像集，且降雨图像集内的降雨图片还对应关联有与其对应的降水强度信息及降雨量数值信息；

S03、将各地点获取所得的降雨图像集进行汇集，建立降水数据库；

S04、按照预设条件对降水数据库内的降雨图像数据进行特征挖掘和提取后，将其导入神经网络模型中进行训练，获得降水强度监测模型；

S05、调取降水强度监测模型，将需监测区域的降雨图像导入其中，获得降水强度监测数据；

其中，步骤S04中，所述降水强度监测模型包括全局时空模块和局部时空模块；

另外，全局时空模块以降水事件地点-地点相关性作为降雨图像数据的特征，将其导入神经网络模型中进行训练获得；

局部时空模块以雨纹的颜色、纹理、轮廓中的一项以上作为降雨图像数据的特征，将其导入神经网络中进行训练获得；

在全局时空模块中，N个不同地点在降水数据库内对应不同的降雨图像数据，通过对其进行图像序列编制，利用3D LSTM对N个地点对应的降雨图像数据进行提取全局相关信息，其中，在3D LSTM中，每个地点提取到的特征图是由其他所有地点及自身决定；

在局部时控模块中，将全局时控模块利用3D LSTM提取的特征图导入，然后对其进行卷积处理，再利用三个Conv block对卷积处理后的特征图像进行三次后处理，以实现信息精炼；

其中，在Conv block中，其包括依序进行的4D卷积、4D池化、正则化和激活处理，以进一步精细提取不同时间、地点、图像空间中的局部信息；

另外，导入局部时空模块中的特征图为依序经平均池化、全连接及重塑后，获得相应的降水强度数据。

2.如权利要求1所述的基于室外影像多时空融合的降水强度监测方法，其特征在于，步骤S02中，预设时间周期内获得数量小于预设值的降雨图像时，该预设时间周期内的降雨图像被删除。

3.如权利要求1或2所述的基于室外影像多时空融合的降水强度监测方法，其特征在于，步骤S02中，降雨强度信息依照国标GB/T28592-2012降水等级标准进行划分为5级降水强度，其分别为：暴雨-Ⅴ、大雨-Ⅳ、中雨-Ⅲ、小雨-Ⅱ和零星小雨-Ⅰ。

4.如权利要求3所述的基于室外影像多时空融合的降水强度监测方法，其特征在于，步骤S02中，将预设地点在预设时间周期内获得数量大于等于预设值的降雨图像按照拍摄地区、季节、日期、时点中的一项以上参考因素进行归纳整理形成降雨图像集。

5.如权利要求4所述的基于室外影像多时空融合的降水强度监测方法，其特征在于，步骤S03中，所述降水数据库内的降雨图像均按照预设条件进行命名，其还以地点作为一级指标、时间作为二级指标进行分类，以照片作为记录单位，同时生成照片结构文档，该照片结构文档中所存储的信息包括：拍摄地区、季节、日期、时点、降水强度信息、降雨量数值信息、雨纹信息中的一项以上。

6.如权利要求5所述的基于室外影像多时空融合的降水强度监测方法，其特征在于：步骤S01中，所述室外摄像机按照5min/次的时间间隔频率获取N个不同地点的降雨图片；

步骤S02中，按1h/次的时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量；且将预设地点在1h周期内累积获得数量为12张的降雨图像进行归纳整理形成降雨图像集；

其中，所述降雨图像的分辨率为1920P×1080P。

7.如权利要求6所述的基于室外影像多时空融合的降水强度监测方法，其特征在于：步骤S04中，导入神经网络模型中进行训练的降雨图像数据均被处理成T×H×W×P×C的数据结构；

其中，T为Time，即时间；

H为Height，即图像宽度；

W为Width，即图像高度；

P为Place，即地点；

C为Channel，即通道；

另外，降雨图像数据中的降雨图像经缩放被处理成224P×224P规格图像，其还通过标准化处理，使各降雨图像数据中的每张降雨图像均减去其对应地点所在采集周期时域内的12张降雨图像的原始像素参数均值，使各降雨图像在缩放调整像素值后，保留不同降雨图像之间的像素值相对大小关系。